В чем разница между традиционным методом аугментации данных и современными подходами, такими как AutoAugment и Adversarial AutoAugment?

Разница между традиционными методами аугментации данных и современными подходами, такими как AutoAugment и Adversarial AutoAugment, заключается в способе настройки стратегии аугментации. habr.com dzen.ru

Традиционные методы включают в себя простые трансформации, такие как повороты, отражения, сдвиги, масштабирование. elar.urfu.ru Политика аугментации устанавливается на начальном этапе и не меняется в процессе обучения. dzen.ru

AutoAugment использует обучение с подкреплением для автоматического поиска оптимальных стратегий аугментации, адаптированных к конкретной задаче и датасету. habr.com Алгоритмы AutoAugment ищут лучшие стратегии аугментации из пространства возможных вариантов. {8-host}

Adversarial AutoAugment использует адверсарное обучение для создания динамически изменяемых стратегий аугментации данных. dzen.ru В отличие от стандартных методов, где политика аугментации устанавливается на начальном этапе и не меняется в процессе обучения, Adversarial AutoAugment адаптирует стратегию аугментации в процессе обучения. dzen.ru Это позволяет противостоять «оверфиттингу» и улучшать обобщающие способности модели. dzen.ru

Таким образом, AutoAugment и Adversarial AutoAugment позволяют динамически подстраивать вероятности и параметры различных аугментаций в зависимости от текущего состояния модели и сложности обучающих примеров. habr.com